Expert668

摘要： XGBOOST使用指南 一、导入必要的工具包 导入必要的工具包import xgboost as xgb 计算分类正确率from sklearn.metrics import accuracy_score二、数据读取XGBoost可以加载libsvm格式的文本数据，libsvm的文件格式（稀疏特征） 阅读全文

摘要： 实际使用SVM python from sklearn import datasets iris = datasets.load_iris() X = iris.data y = iris.target y小于2的行 X = X[y x1 = w0/w1 x0 b/w1 plot_x = np.li 阅读全文

摘要： 导语 彼得 林奇的PEG策略: 投资大师彼得·林奇（Peter Lynch）有过一个著名的论断：任何一家公司股票如果定价合理的话，市盈率就会与收益增长率相等 PEG概念解析 1. EPS(Earnings Per Share)表示每股收益(一般按年计算) 2. PE(Price to Earning 阅读全文

摘要： 机器学习多因子策略 标签（空格分隔）： 量化交易 机器学习 前言 在二级市场的量化策略中，多因子策略称得上是最早被创造但是同时也是变化最多的投资策略之一，好的因子意味着长期稳定的收入，多因子策略可以通过不同的渠道来实现，从而带来不同的市场表现 传统使用的多元线性回归模型能够获得多因子与股价之间的一定 阅读全文

摘要： 使用tensorflow进行简单的线性回归 标签（空格分隔）： tensorflow 数据准备 使用np.random.uniform()生成x方向的数据 使用np.random.uniform()生成bias数据 直线方程为y=0.1x + 0.2 使用梯度下降算法 代码 结果汇总： 阅读全文

摘要： Django orm使用教程 标签（空格分隔）： Django orm 前言 orm使用五步走： 1. 在settings文件中设置数据库连接配置 2. 创建app 3. 在models里面创建类 4. 使用 命令将改变登记在小本本上面 5. 使用 命令将改动同步到数据库中 数值类型（常用） 1. 阅读全文

摘要： 像使用mysql一样使用pandas 标签（空格分隔）： mysql pandas 前言 pandas的DataFrame对象本质就是一张表，DataFrame对象中的index对应的就是数据库表中的id字段，DataFrame对象中的columns对应的就是数据库表中的一个个字段名称，这说明pan 阅读全文

摘要： Django官方文档解析 标签（空格分隔）： Django 创建一个应用 上述操作会创建出一个polls目录，其目录结构大致如下： 创建一个视图 在polls目录中打开 ，并输入如下代码： 创建视图之后，我们需要一个将一个url地址映射到这个视图上，在polls目录里新建一个 文件，并在 文件中输入 阅读全文

摘要： 使用机器学习预测大盘 标签（空格分隔）： 未分类 前言：金融数据具有多种特征，但是大盘每天的涨跌只有两种情况，要么涨要么跌（横盘的情况几乎不存在，因为参与交易的人太多了，即使资金强大的机构也不能完全控制市场，只能适当的引导市场的方向），所以金融时间数据具有天然的可分类的特点，而且金融时间数据量大且获 阅读全文

摘要： Django进阶 补充知识点： form表单必须要有action和method标签 输入要用input标签，必须有name属性 提交必须用submit属性，其他的不行 1. 基础必会三件套 from django.shortcuts import HttpResponse, render, redi 阅读全文